Co to jest wykres Galbraitha?
Wykres Galbraitha (wykres radialny, ang. Galbraith plot, radial plot) przedstawia badania włączone do metaanalizy jako punkty, a nie jako przedziały ufności. Na osi X jest precyzja badania (1/SE), a na osi Y standaryzowany efekt (efekt/SE, czyli statystyka z). Galbraith (1988) zaproponował go jako alternatywę dla ciągu przedziałów ufności, znanego jako wykres lasu, i zalecał pokazywanie ilorazów szans w skali logarytmicznej.
Prosta przez początek układu ma nachylenie równe wynikowi łącznemu modelu efektu wspólnego. Linie odległe od niej o ±2 tworzą pas, w którym przy braku heterogeniczności leży zdecydowana większość badań. Suma kwadratów pionowych odległości punktów od prostej to statystyka Q Cochrana, więc wykres pokazuje, które badania odpowiadają za heterogeniczność.
Przykład
W danych dat.bcg (13 badań szczepionki BCG, log ilorazu ryzyka gruźlicy) wynik łączny modelu efektu wspólnego to RR = 0.650 (log RR = −0.430) – tyle samo wynosi nachylenie prostej. Suma kwadratów odchyleń daje Q = 152.2, a poza pasem ±2 leży 6 z 13 badań. Najdalej są TPT Madras (+7.03: najwyższa precyzja i efekt bliski zera) oraz Hart & Sutherland (−7.15: efekt silniejszy niż średni). Model efektu wspólnego słabo opisuje te dane; naturalny następny krok to metaregresja z cechą badań, np. szerokością geograficzną.
Jak opisać w pracy
Na co uważać
- Pas ±2 to wskazówka, nie test. Przy wielu badaniach kilka punktów wypadnie poza pas przypadkiem.
- Nie myl z wykresem lejkowym. Wykres lejkowy służy do oceny asymetrii. Z wykresem Galbraitha łączy go jednak test Eggera: to regresja z na precyzji z wyrazem wolnym, czyli prosta na osiach wykresu radialnego; wyraz wolny różny od zera sugeruje efekt małych badań.
- Punkt odstający to nie powód do usunięcia badania. Sprawdź jego wpływ na wykresie Baujata i w analizie wrażliwości.
Pakiet metafor rysuje wykres radialny funkcją radial() (Viechtbauer, 2010).
Wykres Galbraitha w R
Kod dopasowuje model efektu wspólnego dla log RR, liczy współrzędne wykresu ręcznie i odległości punktów od prostej, a na końcu rysuje wykres funkcją radial(). Liczby w tekście pochodzą z tego kodu.
Współrzędne wykresu radialnego i odchylenia od prostej
R
library(metafor) # dane dat.bcg (pakiet metadat): 13 badań szczepionki BCG
dat <- escalc(measure = "RR", ai = tpos, bi = tneg, ci = cpos, di = cneg, data = dat.bcg)
res <- rma(yi, vi, data = dat, method = "EE") # model efektu wspólnego (stałego), log RR
x <- 1 / sqrt(dat$vi) # precyzja: oś X wykresu Galbraitha
z <- dat$yi / sqrt(dat$vi) # standaryzowany efekt: oś Y
odch <- z - coef(res) * x # odległość od prostej przez początek układu
print(data.frame(badanie = dat$author, x = round(x, 2), z = round(z, 2),
odch = round(odch, 2), poza_2 = abs(odch) > 2))
round(c(logRR = unname(coef(res)), RR = exp(unname(coef(res))),
nachylenie = unname(coef(lm(z ~ 0 + x))), Q = res$QE, suma_odch2 = sum(odch^2)), 3)
pdf(NULL); radial(res) # wykres radialny (Galbraitha) z metaforWynik w R
badanie x z odch poza_2
1 Aronson 1.75 -1.56 -0.80 FALSE
2 Ferguson & Simes 2.27 -3.59 -2.62 TRUE
3 Rosenthal et al 1.55 -2.09 -1.42 FALSE
4 Hart & Sutherland 7.07 -10.19 -7.15 TRUE
5 Frimodt-Moller et al 4.42 -0.96 0.94 FALSE
6 Stein & Aronson 12.03 -9.46 -4.28 TRUE
7 Vandiviere et al 2.12 -3.43 -2.52 TRUE
8 TPT Madras 15.89 0.19 7.03 TRUE
9 Coetzee & Berjak 4.21 -1.98 -0.16 FALSE
10 Rosenthal et al 3.70 -5.07 -3.48 TRUE
11 Comstock et al 8.98 -3.05 0.82 FALSE
12 Comstock & Webster 1.37 0.61 1.20 FALSE
13 Comstock et al 3.74 -0.06 1.55 FALSE
logRR RR nachylenie Q suma_odch2
-0.430 0.650 -0.430 152.233 152.233 Bibliografia oprogramowania
Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 z pakietem metafor 5.2-1 (dane dat.bcg z pakietu metadat 1.6-0). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).
- R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
- metafor (wersja 5.2-1): Viechtbauer, W. (2010). Conducting meta-analyses in R with the metafor package. Journal of Statistical Software, 36(3), 1–48. https://doi.org/10.18637/jss.v036.i03
Najczęstsze pytania
Czym wykres Galbraitha różni się od wykresu lasu?
Wykres lasu pokazuje każde badanie jako przedział ufności, a wykres Galbraitha – jako punkt, którego położenie na osi X zastępuje szerokość przedziału. Przy kilkudziesięciu badaniach łatwiej na nim zobaczyć, które odbiegają od wyniku łącznego; wielkość efektów i ich przedziały lepiej czyta się z wykresu lasu.
Czy wykres Galbraitha można narysować dla modelu efektów losowych?
Tak. Funkcja radial() z pakietu metafor dla modelu efektów losowych dzieli efekt i precyzję przez pierwiastek z (vi + τ²), a nie z samej wariancji vi. Punkty leżą wtedy bliżej prostej, bo część rozrzutu przypisano heterogeniczności τ².
Ile badań może leżeć poza pasem ±2?
Jeśli badania szacują ten sam efekt, poza pasem powinno się znaleźć około 5% punktów, bo granica ±2 to zaokrąglone ±1.96. Pojedynczy punkt poza pasem w dużej metaanalizie nie jest więc niczym niezwykłym; niepokój budzi wiele punktów lub bardzo duże odchylenia.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Galbraith, R. F. (1988). A note on graphical presentation of estimated odds ratios from several clinical trials. Statistics in Medicine, 7(8), 889–894. https://doi.org/10.1002/sim.4780070807
- Viechtbauer, W. (2010). Conducting meta-analyses in R with the metafor package. Journal of Statistical Software, 36(3), 1–48. https://doi.org/10.18637/jss.v036.i03 ● Otwarty dostęp
Cytowania BibTeX
@article{galbraith1988note, author={Galbraith, R. F.}, title={{A note on graphical presentation of estimated odds ratios from several clinical trials}}, journal={Statistics in Medicine}, year={1988}, volume={7}, number={8}, pages={889--894}, doi={10.1002/sim.4780070807}}@article{viechtbauer2010conducting, author={Viechtbauer, Wolfgang}, title={{Conducting meta-analyses in R with the metafor package}}, journal={Journal of Statistical Software}, year={2010}, volume={36}, number={3}, pages={1--48}, doi={10.18637/jss.v036.i03}}